Resumen

Día a día, todas las comunidades de investigación se han centrado en la recuperación de imágenes digitales debido al aumento de los usos de Internet y de las redes sociales. En este trabajo se propone una red neuronal basada en U-Net para el proceso de segmentación y se utilizan los esquemas DWT de Haar y wavelet de elevación para la extracción de características en la recuperación de imágenes basada en el contenido (CBIR). Se prefiere la ondícula Haar por ser fácil de entender, muy sencilla de calcular y la más rápida. La red neuronal basada en U-Net (CNN) ofrece resultados más precisos que la metodología existente porque las técnicas de aprendizaje profundo extraen características de bajo y alto nivel de la imagen de entrada. Para el proceso de evaluación, se utilizan dos conjuntos de datos de referencia, y la precisión del método propuesto es del 93,01 y 88,39% en Corel 1K y Corel 5K. Para la segmentación se utiliza U-Net, que reduce la dimensión del vector de características y el tiempo de extracción de características en 5 segundos en comparación con los métodos existentes. Según el análisis de rendimiento, el trabajo propuesto ha demostrado que U-Net mejora el rendimiento de la recuperación de imágenes en términos de exactitud, precisión y recuperación en ambos conjuntos de datos de referencia.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal basada, conjuntos de datos de referencia, términos de precisión, técnicas de aprendizaje profundo, recuperación de imágenes digitales, rendimiento de recuperación de imágenes, usos de los medios sociales, esquema wavelet de elevación, tiempo de extracción de características, recuperación de imágenes basada
• Keywords:based neural network, benchmark datasets, terms of accuracy, deep learning techniques, digital image retrieval, image retrieval performance, social media uses, lifting wavelet scheme, features extraction time, based image retrieval